机构名称：
¥ 1.0
摘要 - 本研究论文介绍了在HP Pavilion Gaming Machine上开发人工智能安全应用程序，并利用来自UCF-Crime开源数据集等知名数据库的犯罪录像。该系统接受了细致的数据注释，以识别五个对异常检测至关重要的不同类别：人，短枪，手枪，刀和步枪。采用了监督的机器学习技术，重点是监视人类轨迹并采用深入和欧几里得距离计算来跟踪个人，并模拟现实世界中的犯罪场景。AI安全模型展示了出色的性能，平均精度率约为86.43％，超过2000年迭代后的90％，证明了步枪（98.90％）的平均精度（98.90％），手枪（96.93％）和刀（96.93％）和刀（97.66％）的所有类别的多功能性。对Python脚本的增强功能提高了系统在人类受试者中检测武器亚物体的能力，并将潜在肇事者分为高风险，这是本研究的新方面。
通过计算机视觉-yolov4方法增强犯罪预测
主要关键词
相关文件推荐
